电动剃须刀音频质量检测方法的研究-信息与通信工程专业论文.docx

Classified Index: U.D.C: Dissertation for the Master Degree in Engineering RESEARCH ON AUDIO QUALITY DETECTION METHODS OF ELECTRIC SHAVERS Candidate： Teng Yidan Supervisor： Asso. Prof. Guan Yudong Academic Degree Applied for： Master of Engineering Speciality： Information and Communication Engineering Affiliation： School of Electronics and Information Engineering Date of Defence： July, 2013 Degree-Conferring-Institution： Harbin Institute of Technology 哈尔滨工业大学工程硕士学位论文 哈尔滨工业大学工程硕士学位论文 - - I - 摘 要 随着制造业自动化、信息化水平的不断提高，电动剃须刀、电吹风等小家 电的生产加工速度与日俱增。与此同时，消费者和生产厂家对产品的质量也都 精益求精，这都给此类产品的质量检测带来了新的挑战。传统的人工质量检测 手段因其效率低、易受主观误差影响等问题，越来越难以满足现代化生产线的 需求。自动化、智能化的检测方法亟待完善。 产品的音频特征既可以间接反映客观质量状况，又直接影响着用户体验， 而且与震动、电磁特性等特征相比，音频特征更容易实现自动化检测。因此， 利用音频实现质量自动检测的方法受到了产业界和学术界的普遍关注。以电动 剃须刀为例，有经验的检测人员可以通过产品工作时的声音判断其有无质量问 题和是否会给消费者带来听觉不适。但是，经过多年研究仍未发现某种音频特 征能够作为剃须刀的质量检测提供可量化的标准。目前，利用多特征提取和模 式识别等方法对人类听觉的主观分类进行模拟，为基于音频的自动化质量检测 提供了一个有效手段。 本课题主要探讨了对电动剃须刀的音频进行小波包分析预处理，提取小波 包子带能量和子带的美尔倒谱系数(MFCC)特征，再利用支持向量机对其分类从 而实现质量自动检测的方法。首先，针对生产现场多噪声和语音干扰的问题， 利用小波包分解保留适当的子带，提高音频的信噪比和信干比。然后，分析小 波包分解后合格产品与不合格产品特征子带的能量和 MFCC 系数，通过实验找 出其中差别最为明显的几个分量或分量间的关系作为分类特征。最后，利用支 持向量机和选取的特征对产品的音频进行分类，实现质量检测的目的，并分析 不同特征组合对分类结果的影响，确定最优特征集。 基于音频分类的质量检测方法具有广阔的发展和应用前景。它模拟人耳听 觉，通过音频特征提取和模式识别方法实现对合格产品和不合格产品的分类， 并用大量经专业人员检测的音频生成训练集和测试集，通过实验验证了以产品 音频小波包子带能量和 MFCC 为特征利用支持向量机进行音频质量检测的可行 性，取得了较好的检测结果。 关键词：音频分类；小波包分解；特征提取；美尔倒谱系数；支持向量机 - - II - Abstract With the continuous development of automation and informatization of manufacturing industry, production and processing speed of electric shavers, hair dryers and other small household appliances increase with each passing day. In the meanwhile, consumers and manufatures are all perfecting the quality of the products, which brings new challenges to quality inspection of such products. Traditional manual quality testing methods can hardly meet the needs of modernized production line cause of the inefficiency and easily influenced by subjective error. Auto features not only can reflect th